深度学习图像重建技术在70 kVp超低剂量CT肺动脉造影中的临床价值研究

为解决CT肺动脉造影(CTPA)中辐射与对比剂剂量过高的问题，研究人员采用深度学习图像重建(DLIR)技术，对比评估70 kVp超低剂量方案与传统100 kVp方案的差异。结果显示，"双低"方案可降低80.3%辐射剂量和33.3%对比剂用量，同时保持图像质量并提升肺动脉远端分支显示，为降低患者肾损伤风险提供新策略。

　　

这项前瞻性研究探索了"双低"（低辐射、低对比剂）CT肺动脉造影(CTPA)的创新方案。100名患者被分为两组：传统剂量组(CD组)采用100 kVp扫描和迭代重建算法，低剂量组(LD组)则使用70 kVp结合深度学习图像重建(DLIR)技术。

令人振奋的是，LD组实现了剂量长度乘积(DLP)降低80.3%(p<0.01)，对比剂用量减少33.3%。尽管剂量大幅降低，两组在CT值、标准差(SD)、信噪比(SNR)和对比噪声比(CNR)等客观参数上无统计学差异(p>0.05)。两位放射科医师的盲法评估显示，两组图像质量评分相当(k=0.75)，且LD组能显示更远端的肺动脉分支。

这项突破性研究证实，70 kVp结合DLIR技术不仅能维持诊断级图像质量，还能显著降低辐射暴露和对比剂肾病的风险。特别是对需要反复检查的肺栓塞患者，这种"双低"方案将极大提升临床安全性，堪称CTPA技术的重要进化。